C++ OpenCV SVM实战Kindle检测（一）----训练数据

最近也是在接触机器学习，通过做了几个MLNET的例子对机器学习有了一点了解，OpenCV中也有机器学习这块，所以我们就直接来用Kindle做一个实战。

视频演示效果

上面的视频已经看到，是了我们通用OpenCV的SVM训练后检测到的Kindle效果，整个SVM的介绍我们将分为两章，本章是简单介绍一下SVM和对Kindle的训练生成训练文件，下一篇我们主要是就看看怎么做预测显示标记出来，预测篇我们重新用一个新的视频来看看检测Kindle的效果。

也是在两篇都介绍完后，按照惯例，我也会把源码发布出来。

SVM简介

SVM较其他传统机器学习算法的优点：

1、小样本，SVM算法要求的样本数是相对比较少的。SVM解决问题的时候，和样本的维数是无关。

2、结构风险最小。（对问题真实模型的逼近与问题真实解之间的误差，就叫做风险，更严格的说，误差的累积叫做风险）。

3、非线性，是指SVM擅长应付样本数据线性不可分的情况，主要通过松弛变量（也有人叫惩罚变量）和核函数技术来实现，这一部分是SVM的精髓。

OpenCV SVM的核函数： 线性核函数：SVM::LINEAR，线性内核，没有高维空间映射，速度快； 多项式核函数：SVM::POLY，gamma>0，coef()，degree； 径向基核函数: SVM::RBF，比较好的选择，gamma>0； SIGMOD核函数：这个核让人想起神经网络和深度学习。。gamma，coef()；

样本训练代码实现

核心函数

hog_deal

void hog_deal(cv::Mat& src, std::vector<float>& dst)
{
//定义Hog，输入图像必须能被2整除
cv::HOGDescriptor hog;
//获取默认的值 64 * 128
int imgwidth = hog.winSize.width;
int imgheight = hog.winSize.height;


int h = src.rows;
int w = src.cols;
float rate = (float)imgwidth / w;


cv::Mat tmpsrc, gray;
//变换图像为64 * 128的大小
cv::resize(src, tmpsrc, cv::Size(imgwidth, int(rate*h)));
//灰度转换
cv::cvtColor(tmpsrc, gray, cv::COLOR_BGR2GRAY);


//为了保证源图的比例，如果图片大于64*128，就截取roi区域
//如果小于64*128就填充，保证图片信息不会丢失
cv::Mat result = cv::Mat::zeros(cv::Size(imgwidth, imgheight), CV_8UC1);
//新建Mat填充127灰度
result = cvScalar(127);
cv::Rect roi;
roi.x = 0;
roi.width = imgwidth;
roi.y = (imgheight - gray.rows) / 2;
roi.height = gray.rows;


gray.copyTo(result(roi));
//计算描述子，一般窗口步长都用Size(8,8)就是8*8
hog.compute(result, dst, cv::Size(8, 8), cv::Size(0, 0));
}

01

创建项目

我们新建了一个opencv-svmtrain的项目，设置可以参见《VS2017配置OpenCV通用属性》。

然后定义一下训练生成的文件地址，还有取训练数据正向样本和负向样卡的路径。

正向样本

可以看到我拍了不少的Kindle图在里面。

负向样本

负向样本的图片基本都是北景图，反正是都不要带Kindle的就可以了。

02

定义训练数据

通过读取正向和负向数据的地址，计算出总共的图片数来定义我们的训练数据Mat。

划重点

本段说明摘自网络

首先要有一个整体的认识，每一个目标都对应一个一维特征向量，这个向量一共有n维，这个n不是凭空瞎猜的，是有理有据，打个比方，为什么opencv自带的hog检测子是3781维的？这个问题在初期确实比较头疼，纠结了好长的时间，不过别着急，先来看一下opencv里的HOGDescriptor这个结构的构造函数HOGDescriptor（Size winSize, Size blocksize, Size blockStride, Size cellSize, ...(后面的参数在这里用不到)），去查一下opencv默认的参数我们可以看 到，winSize（64, 128），blockSize（16, 16），blockStride（8, 8），cellSize（8, 8），很显然hog 是将一个特征窗口win划分为很多的块block，在每一个块里又划分为很多的细胞单元cell(即胞元)，hog特征向量既是把这些所有的cell对应 的小特征串起来得到一个高维的特征向量，那么这个窗口对应的一维特征向量维数n就等于窗口中的块数 x 块中的胞元数 x 每一个胞元对应的特征向量数。写到这里，窗口中的块数 x 块中的胞元数 x 每一个胞元对应的特征向量数, 带入看一下n = 105x4x9 = 3780, 这就是这个窗口对应的特征了。有人会说，为什么opencv里的getDefaultPeopleDetector()得到的是3781维呢？这是因为另外一维是一维偏移，（很崩溃是吧，我也崩溃很久。。。，下一段解释）。我们利用hog + svm检测行人，最终的检测方法是最基本的线性判别函 数，wx + b = 0， 刚才所求的3780维向量其实就是w，而加了一维的b就形成了opencv默认的3781维检测算子， 而检测分为train和test两部分，在 train期间我们需要提取一些列训练样本的hog特征使用svm训练最终的目的是为了得到我们检测的w以及b，在test期间提取待检测目标的hog特征x，带入方程是不是就能进行判别了呢？

上面这段话其实也是对我们文章前面写的核心函数hog_deal的一个说明。

02

处理正向和负向数据

遍历目录后，读取每一张图片，通过我们的hog_deal来计算Hog的描述子，然后在放到labels里面，负向数据也是这样做，不同点是最后一句:

labels.at<float>(i,0)=1; //正向

labels.at<float>(i,0)=-1; //负向

03

训练数据并保存文件

划重点

SVM类型

程序运行截图

从上图中我们看到，先加载图片后再进行训练，训练完后将训练的数据存放到了我们设置的训练文件中，如下：

下一篇我们就来看看怎么检测识别结果，并把程序的源码传上来，敬请期待。。。。

-END-